Von der Idee zum klickbaren Prototyp an einem Tag mit KI: XRP geht auf Reisen

Ende Oktober durfte ich als Gastdozent an der Estonian Business School (EBS) in Tallinn unterrichten. Mein Thema war Extreme Rapid Prototyping, kurz XRP: die Methode, mit der ein Team an einem Tag von einer Produktidee zu einem klickbaren Prototyp kommt, mit KI als Sparringspartner. Die Aufzeichnung gibt es jetzt auf YouTube, sie ist weiter unten eingebettet.

Für mich ist das ein schöner Moment. XRP ist in Workshops entstanden, wurde an der REConf in München erprobt, steht in einem Buch und ist heute der Praxistag unserer AI4RE-Schulung. Jetzt geht die Methode auf Reisen.

Erste Station: Gastvorlesung an der EBS in Tallinn

Martin Ejeagwu unterrichtet an der Estonian Business School (EBS) den Kurs „AI-Assisted Requirements Engineering“ im MBA-Programm Digital Product Management. Sein Kurs führt die Studierenden in fünf Stufen durch das Requirements Engineering: Fundamentals, Elicitation, Documentation, Validation und zum Schluss Prototyping. Für diese letzte Stufe hat er mich eingeladen.

Das passte besser, als ich anfangs dachte. Die fünf Phasen von XRP liegen fast deckungsgleich auf Martins Kursstufen. Ich habe die Vorlesung deshalb als Brücke gebaut: Auf jeder Phasenfolie sahen die Studierenden, wo ihnen das Artefakt in Martins Kurs schon begegnet war und ob XRP es gleich verwendet, erweitert oder neu dazunimmt. Neu waren für sie vor allem zwei Dinge: die Impact Map als Technik zur Priorisierung und der Master Prompt, der alle Artefakte in eine Bauanleitung für das Prototyping-Werkzeug übersetzt.

Die Methode ist gereist, ich bin in Zug geblieben. Die Vorlesung lief online und dauerte rund 45 Minuten.

Danke, Martin, für die Einladung und dafür, dass ich Ausschnitte deiner Folien zeigen durfte.

Das Video zur Gastvorlesung

Die Aufzeichnung ist auf Englisch und dauert gut 47 Minuten. Über die Kapitel in der Videobeschreibung geht es direkt zu jeder Phase, zur Live-Demo ab 37:52 und zum Fehler, den erst der Prototyp gezeigt hat, ab 41:38.

Was XRP ist: fünf Phasen an einem Tag

XRP führt eine Produktidee in fünf Phasen und fünfzehn Schritten bis zum klickbaren Prototyp. In jedem Schritt entwirft die KI das Artefakt, und das Team entscheidet, was davon bleibt.

1. FramingAus der rohen Idee werden ein Elevator Pitch und ein Product Vision Board.
2. ElicitationStakeholder Map, Impact Map und die Wahl des wichtigsten Features samt Persona.
3. DocumentationUser Flow, User Stories mit Gherkin Acceptance Criteria und ein BPMN-Diagramm.
4. ValidationEin frischer KI-Chat prüft als Kritiker alle Artefakte gegen unsere Checkliste mit acht der zwölf Risiken aus dem IREB AI4RE Study Guide. Danach folgen ein Peer Review ohne KI und die Überarbeitung.
5. BuildWerkzeug wählen, Master Prompt schreiben, Prototyp bauen und vorführen.

Der Gedanke dahinter ist einfach. Ein Prompt allein lässt die KI raten. Vision, Persona, User Stories und User Flow sagen ihr, für wen das Produkt ist, was zählt und was nicht dazugehört. Der Master Prompt verdichtet diese Artefakte zu einer einzigen Bauanleitung.

Gebaut wird im Workshop mit kostenlosen Werkzeugen, damit niemand ein Abo abschliessen muss. Aktuell sind das Banani für Mockups und Google AI Studio für eine App, die bereits funktioniert. Die Werkzeuge wechseln allerdings ständig: In der Vorlesung habe ich für Mockups noch Uizard genannt, seit Anfang November arbeiten wir mit Banani. An den Schritten der Methode ändert das nichts. Diagramme lässt die KI als XML schreiben, das sich in draw.io weiterbearbeiten lässt. Mit einem Bildgenerator liesse sich das Diagramm nicht mehr bearbeiten.

Woher XRP kommt: aus der Praxis

Ich arbeite seit über 20 Jahren in der IT, lange davon in der Finanzindustrie, als Entwickler, Technical Lead, Product Owner und Abteilungsleiter. Fast immer stand ich zwischen Business und IT. Mitgenommen habe ich aus jeder Rolle die Neugier für das Problem: Wo drückt es bei den Nutzerinnen und Nutzern?

Als Ende 2022 ChatGPT öffentlich wurde, habe ich mich sofort gefragt, was das für Requirements Engineering bedeutet. Daraus wurden Vorträge über Anwendungsfälle, 2024 unter anderem an der REFSQ und an der REConf, und schliesslich ein Workshop-Format: von der rohen Idee über die Artefakte des Requirements Engineering bis zu einem Prototyp, den man vorführen kann. Matthias Herbert und ich haben es mit Entwicklerinnen und Entwicklern durchgespielt, mit Business Analysts und Requirements Engineers, aber auch mit Leuten ohne technischen Hintergrund.

XRP ist damit älter als unsere AI4RE-Schulung. Der Praxistag im AI4RE ist die Anwendung von XRP im Kurs.

Ausverkauft an der REConf, festgehalten im Buch

Bewährt hat sich die Methode zuerst an der REConf in München. 2025 haben Matthias und ich dort den Workshop „From Vision to Prototype in < 4 hours“ angeboten, Ende Januar war er ausverkauft. 2026 kam Jean-Pierre Berchez dazu, und wieder war der Workshop lange vor der Konferenz ausgebucht. Am Ende sassen 19 Leute im Raum.

Aufgeschrieben habe ich XRP im Schweizer Praxisbuch „KI im Projektmanagement“ der spm. Mein Kapitel heisst „Von der Idee zum Prototyp mit KI - Innovation in Stunden statt in Wochen“. Es beschreibt die Fassung für Konferenz-Workshops: vier Schritte in vier Stunden. Das Buch gibt es direkt bei der spm.

Wer das Kapitel kennt, findet im Video eine Phase mehr. Die Validierung hat heute ihren eigenen Platz vor dem Bauen.

Heute: der Praxistag im AI4RE

Aus dem Vier-Stunden-Workshop ist ein ganzer Tag geworden. Heute ist XRP der Praxistag unserer AI4RE-Schulung zur Micro-Credential des IREB. Matthias und ich haben den offiziellen IREB AI4RE Study Guide mitgeschrieben, und der Praxistag setzt um, was der Theorietag vermittelt. Mit rund sieben Stunden Zeit habe ich die Phasen neu geordnet, und aus vier Schritten sind fünfzehn geworden.

Am liebsten bringen die Teilnehmenden ihre eigene Idee mit, ein Produkt oder ein Problem aus ihrem Alltag. Für alle anderen liegen Fallstudien bereit. Eine davon ist FoodLoop.

Der Fehler, den erst der Prototyp gezeigt hat

FoodLoop ist eine App gegen Food Waste. Bäckereien und Läden stellen am Abend ein, was übrig bleibt, Leute aus der Nachbarschaft reservieren eine Tüte und holen sie mit einem Abholcode ab. Die Persona ist Marco, 46, Bäcker in Zürich-Wiedikon.

Parallel zu den vielen Durchläufen im Kurs habe ich die Fallstudie auch einmal von einem KI-Agenten durchspielen lassen. Er hat auf unserem Workshop-Board das Team übernommen, ohne Peer Review. Aus diesem Testlauf stammt das Beispiel.

Aus dem Master Prompt hat Google AI Studio in wenigen Minuten eine App gebaut, die funktioniert. Beim Durchklicken fiel etwas auf: Marco sah in seiner Liste die Abholcodes aller Reservationen. Wer neben ihm an der Theke steht, könnte einen Code ablesen und eine fremde Tüte abholen.

Die KI hatte genau gebaut, was wir spezifiziert hatten. Der Fehler stand in unserem eigenen User Flow und damit im Master Prompt. Die Prüfung durch die KI in Phase 4 hatte sechs Schwachstellen in den User Stories gefunden, diese nicht. Gezeigt hat ihn erst der Prototyp.

Für die zweite Fassung habe ich FoodLoop als Claude-Artefakt gebaut, mit drei Korrekturen. Neben der App stehen dort alle User Stories mit ihren Acceptance Criteria, und jedes Kriterium hakt sich ab, sobald es im Prototyp durchgespielt ist.

Drei Dinge zum Mitnehmen

1. Die Artefakte geben der KI den Kontext. Die Modelle sind heute stark genug. Den Unterschied macht, was die KI über das Produkt weiss.
2. Die KI entwirft, das Team entscheidet. Jedes KI-Artefakt ist ein Entwurf, bis es jemand geprüft hat. Die Verantwortung bleibt beim Team, egal wie ein Artefakt entstanden ist.
3. Ein Prototyp lässt sich testen und erleben. Aus den Gherkin Acceptance Criteria werden Testfälle. Und Stakeholder klicken sich durch ihren eigenen Prozess, statt eine Spezifikation zu lesen. Ihr Feedback wird dadurch konkret.

Und als Nächstes: REFSQ 2027 in Basel

Häufige Fragen

KI hat strukturiert. Gedacht und freigegeben habe ich.